Comparison of multiple PM<sub>2.5</sub> exposure products for estimating health benefits of emission controls over New York State, USA
Notice bibliographique
Résumé
Abstract Ambient exposure to fine particulate matter (PM2.5) is one of the top global health concerns. We estimate the PM2.5-related health benefits of emission reduction over New York State (NYS) from 2002 to 2012 using seven publicly available PM2.5 products that include information from ground-based observations, remote sensing and chemical transport models. While these PM2.5 products differ in spatial patterns, they show consistent decreases in PM2.5 by 28%–37% from 2002 to 2012. We evaluate these products using two sets of independent ground-based observations from the New York City Community Air Quality Survey (NYCCAS) Program for an urban area, and the Saint Regis Mohawk Tribe Air Quality Program for a remote area. Inclusion of satellite remote sensing improves the representativeness of surface PM2.5 in the remote area. Of the satellite-based products, only the statistical land use regression approach captures some of the spatial variability across New York City measured by NYCCAS. We estimate the PM2.5-related mortality burden by applying an integrated exposure-response function to the different PM2.5 products. The multi-product mean PM2.5-related mortality burden over NYS decreased by 5660 deaths (67%) from 8410 (95% confidence interval (CI): 4570–12 400) deaths in 2002 to 2750 (CI: 700–5790) deaths in 2012. We estimate a 28% uncertainty in the state-level PM2.5 mortality burden due to the choice of PM2.5 products, but such uncertainty is much smaller than the uncertainty (130%) associated with the exposure-response function.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».